Práctica 2

Desarrollo del laboratorio

# Import packages
library(nycflights13)
library(dplyr)
library(ggplot2)
library(tidyr)

# Explore datasets
view(flights)
view(airports)
view(planes)
view(airlines)
view(weather)

1. Inner-join

1.1. Conecte flights con planes

flights_planes <- inner_join(flights, planes, by = "tailnum", suffix = c("_flights", "_planes"))

flights_planes

1.2. Conecte flights con airlines

flights_airlines <- inner_join(flights, airlines, by = "carrier", suffix = c("_flights", "_airlines"))

flights_airlines

1.3. Conecte flights con airports

flights_airports <- inner_join(flights, airports, by = c("dest" = "faa"), suffix = c("_origin", "_destination"))
flights_airports <- inner_join(flights_airports, airports, by = c("origin" = "faa"), suffix = c("_origin", "_origen"))

flights_airports

1.4. Conecte flights con weather

flights_weather <- inner_join(flights, weather, by = c("year", "month", "day", "hour", "origin"), suffix = c("_flights", "_weather"))

flights_weather

Data manipulation

2.1. Utilice el verbo count en flights y envíe como parámetro las variables year, month, day. Luego filtre n para que sea mayor a 1000. Por último ordene n con el verbo arrange y devuelva el resultado.

flights_count <- flights %>% 
  count(year, month, day)

flights_count

flights_count <- flights_count %>% 
  filter(n > 1000) %>% 
  arrange(desc(n))

flights_count

2.2. Utilice el concepto de selección por rango (aplicando el operador “:”) para obtener las variables year hacia day. También agregue a esta selección hour, origin, dest, tailnum, carrier, arr_delay, dep_delay, por último almacene el resultado en la variable flights_selected.

flights_selected <- flights %>% 
  select(year:day, hour, origin, dest, tailnum, carrier, arr_delay, dep_delay)

flights_selected

2.3. Utilice left_join para combinar airlines y flights_selected. Al obtener el resultado, utilice el verbo select para eliminar las columnas origin y dest (utilice el operador “-” para descartar estas columnas únicamente). Por último agregue una nueva columna con el verbo mutate, asigne el nombre tot_delay y opere la suma de arr_delay y dep_delay.

airlines_flights_selected <- left_join(airlines, flights_selected, by = "carrier") %>%
  select(-c(origin, dest)) %>%
  mutate(tot_delay = arr_delay + dep_delay)

Warning: Each row in `x` is expected to match at most 1 row in `y`.

airlines_flights_selected

2.4. Utilice inner_join para combinar flights y weather, luego agrupe por la variable precip. Utilice summarize para encontrar el promedio de la variable dep_delay (aplicando la función mean), asigne al promedio el nombre delay. Al utilizar la función mean agregue el parámetro na.rm y asígnele TRUE por defecto. Luego agregue la función replace_na y aplíquelo a la variable delay sustituyendo NA por cero. Por último almacene el resultado en la variable precip_delay.

precip_delay <- inner_join(flights, weather, by = c("year", "month", "day", "hour", "origin"), suffix = c("_flights", "_weather")) %>%
  group_by(precip) %>%
  summarize(delay = mean(dep_delay, na.rm = TRUE)) %>%
  replace_na(list(delay = 0))

precip_delay

2.5. Utilice la variable precip_delay para crear un gráfico de puntos tomando de eje x la variable precip y para y la variable delay.

ggplot(precip_delay, aes(x = precip, y = delay)) +
  geom_point() +
  labs(x = "Precip", y = "Delay") +
  ggtitle("Precip delay")

2.6. Utilice fligths y aplique filter tomando en cuenta la siguiente condición: Que year sea igual a 2013, que month sea igual a 5 y que day sea igual a 10. Luego agrupe por la variable dest. Después utilice summarize para obtener el promedio de la variable arr_delay, establezca el parámetro na.rm en TRUE y asigne al promedio el nombre de delay. Conecte el resultado anterior por medio de inner_join a la tabla airports y asignelo a la variable flights_airports.

flights_airports <- flights %>%
  filter(year == 2013 & month == 5 & day == 10) %>%
  group_by(dest) %>%
  summarize(delay = mean(arr_delay, na.rm = TRUE))

flights_airports

flights_airports <- flights_airports %>%
  inner_join(airports, by = c("dest" = "faa"))
  
flights_airports

2.7. Utilice la variable flights_airports para crear un gráfico de puntos tomando de eje x la variable lon y para y la variable lat. Defina el color y el tamaño por medio de la variable delay. El tamaño se establece por medio del parámetro size.

ggplot(flights_airports, aes(x = lon, y = lat, color = delay, size = delay)) +
  geom_point() +
  labs(x = "Longitude", y = "Latitude") +
  ggtitle("Flights by airports")

2.8. Utilice inner_join para combinar flights y planes. Agregue los sufijos _flights y _planes respectivamente. Por último utilice la función transmute para seleccionar las variables tailnum y manufacturer, pero además agregue la variable pi que almacene la suma de dep_delay y arr_delay, yluego divida por air_time.

flights_planes_transmuted <- inner_join(flights, planes, by = "tailnum", suffix = c("_flights", "_planes")) %>%
  transmute(tailnum, manufacturer, pi = (dep_delay + arr_delay) / air_time)

flights_planes_transmuted